1. 毕业设计（论文）主要内容：

目标检测任务作为计算机视觉领域中的基本问题之一，有着广泛的研究基础。近年来，随着深度学习技术的快速普及，目标检测任务有了长足的发展，相较于传统检测方法，基于深度学习的目标检测方法性能得到明显提升。图像语义分割作为一种像素级的图像识别技术，在网络多媒体、智能医疗、自动驾驶等多个领域有着广泛的应用前景。本课题研究基于区域卷积神经网络(R-CNN)的目标检测模型，以及基于全卷积网络(Fully Convolutional Networks)的语义分割技术，利用前沿的Mask R-CNN框架，构建像素级别的目标检测分割模型，并对模型进行评估和优化，实现对目标的精确检测。

2. 毕业设计（论文）主要任务及要求

1. 通过阅读文献，了解目标检测的原理，比较深度学习下目标检测的特征提取方法，如yolo、r-cnn系列目标检测模型等，分析各模型的检测速度与精度，掌握应用的目标检测模型的网络结构、训练和测试流程、参数调节方法，并进行代码实现；

2. 研究前沿的语义分割技术，如基于全卷积网络的语义分割技术，了解语义分割如何应用于像素级的目标检测，以及通过微调r-cnn将分类网络迁移到语义分割网络的过程，实现目标检测与语义分割的结合；

3. 结合目标检测和语义分割技术，实现基于mask r-cnn

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 毕业设计（论文）完成任务的计划与安排

   
   

   1. 第1周至第2周：查阅有关的参考资料并完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。(2018.3.2)

   2. 第3周至第6周：熟悉所选用的开发平台，运用所学的软件设计理论，完成课题的前期设计工作。(2018.4.10)

      剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

      4. 主要参考文献

      [1] he k, gkioxari g, dollár p, et al. maskr-cnn[j]. arxiv preprint arxiv:1703.06870, 2017.

      [2] dai j, he k, sun j. convolutional featuremasking for joint object and stuff segmentation[c]. proceedings of the ieee conferenceon computer vision and pattern recognition. 2015: 3992-4000.

      [3] redmon j, divvala s, girshick r, et al. youonly look once: unified, real-time object detection[c]. proceedings of the ieeeconference on computer vision and pattern recognition. 2016: 779-788.

      剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付